DeepSeek: DeepSeek V3.2 Exp

DeepSeek V3.2 Exp är en experimentell stor språkmodell från DeepSeek, släppt den 29 september 2025 som ett mellansteg mellan V3.1 och framtida arkitekturer. Den introducerar DeepSeek Sparse Attention (DSA), en finmaskig sparse attention-mekanism. Modellen är endast text i båda riktningarna, och dess kunskapsgräns är den 31 juli 2025.

Den tar emot textinmatning och returnerar textutdata, med ett kontextfönster på 163 840 tokens och maximal utdata på 147 456 tokens. Den kombinationen passar långa dokument och långa genereringar i samma förfrågan. De parametrar som stöds inkluderar temperature, top_p, top_k, frequency_penalty, max_tokens och response_format, tillsammans med structured_outputs för schemabegränsade svar. Den exponerar också resonemangskontroller genom parametrarna reasoning och include_reasoning, samt verktygsanvändning genom tools och tool_choice, så den kan anropa funktioner och returnera strukturerade argument i stället för enbart prosa.

Dessa funktioner pekar mot några praktiska mönster. Ett stort kontextfönster och en stor utdatabudget gör den lämplig för att sammanfatta eller extrahera från långa filer, frågor och svar över flera dokument, och att utarbeta lång text i ett svep. Strukturerade utdata och verktygsanrop passar agenter, hämtningsflöden och arbetsflöden där modellen måste returnera JSON som matchar ett schema eller avgöra vilken funktion som ska anropas. Resonemangsparametrarna låter dig begära eller undertrycka resonemangsinnehåll beroende på om du vill att de mellanliggande stegen visas. Eftersom den är experimentell är det värt att testa den mot din egen utvärderingsuppsättning innan du förlitar dig på den i produktion.

Du anropar den genom api14:s OpenAI-kompatibla API med modell-id:t "deepseek/deepseek-v3.2-exp". Rikta din befintliga OpenAI-klient mot api14:s bas-URL, skicka en chat completions-förfrågan med det modell-id:t, och förfrågans brödtext accepterar parametrarna som listas ovan: frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k och top_p. Om du redan använder ett OpenAI SDK är bytet mest en ändring av bas-URL, API-nyckel och modell-id.

Den främsta varningen är den experimentella statusen. Det är en textmodell, så den hanterar inte bilder eller ljud, och om din uppgift är multimodal skulle du behöva en annan modell. Om du behöver en stabil, icke-experimentell endpoint för långvarig produktionstrafik kan en etablerad release vara ett säkrare standardval, med denna modell använd där dess sparse attention och resonemangskontroller är värda att utvärdera.